Discussion :

[math_lab]

Bonjour,
J'essaie d'implementer le Generalised Llyods Algorithm pour trouver les couleurs dominantes d'une image. Etant donné que le traitement d'image n'est pas particulièrement mon domaine, j'aurai besoin d'un peu d'aide pour comprendre cet algorithme.
Premièrement, il faut convertir l'image en LUV, jusque la, pas de problème. Ensuite, il faut initialiser un cluster contenant tous les pixels de l'image et la couleur moyenne (toujours OK). La ou ca se complique, c'est pour la suite: la description la plus detaillée que j'ai pu lire disait que la suite de l'algo consistait en une suite de calculs de centroides et de clustering. Les cluster avec la plus grosse distortion sont divisés en ajoutant un vecteur de perturbation sur le centroide, et on continue jusqu’à ce que la distorsion soit assez faible (la distorsion étant la somme des distances des couleurs des pixels avec le centroide) ou jusqu'a ce qu'on ait trop de clusters.
Ce que je ne comprend pas, c'est la partie sur la division des clusters avec le vecteur de perturbation... Est-ce que ca veut dire que je dois biaiser le centroide et créer un nouveau cluster pour tous les pixels qui sont trop differents ? Et tant qu'a faire, est-ce que ce que j'ai pu comprendre du l'algo est correct ?

Merci d'avance pour vos réponses !

[pseudocode]

Peut être trouveras-tu plus d'informations en cherchant cet algorithme sous son nom de "k-means".

[math_lab]

D'apres ce que j'avais vu, le k-means me semble un poil different (clusters initialisés aleatoirement, pas de vecteurs de perturbation). Efin bon, avoir implementé le k-means m'aura au moins permis de comprendre le concept et de passer a la version ameliorée (avec clusters qui se subdivisent et le systeme anti cluster vides).
Merci bien.